面向移動邊緣計算中多應(yīng)用服務(wù)的虛擬機部署算法

李光輝 周 輝 胡世紅

(江南大學(xué)人工智能與計算機學(xué)院 無錫 214122)

1 引言

近年來，5G技術(shù)和物聯(lián)網(wǎng)技術(shù)快速發(fā)展，移動設(shè)備(如智能手機和可穿戴設(shè)備等)的數(shù)量急劇增長。各種應(yīng)用服務(wù)的爆炸性激增對計算能力和實時處理提出了嚴格的要求。受限于計算資源和能源供給[1]的移動設(shè)備已經(jīng)無法應(yīng)對這一挑戰(zhàn)。移動邊緣計算[2](Mobile Edge Computing, MEC)作為一種有潛力的新興計算范式，可通過在用戶附近部署計算和存儲等資源來提高服務(wù)質(zhì)量[3]。AR和視頻游戲等實時交互應(yīng)用的增多導(dǎo)致移動邊緣網(wǎng)絡(luò)中的數(shù)據(jù)流量迅速增長，造成嚴重的網(wǎng)絡(luò)資源消耗，使用戶訪問應(yīng)用服務(wù)時延遲增加。因此，為了更好地控制網(wǎng)絡(luò)時延并減少潛在的核心網(wǎng)堵塞，必須減少邊緣網(wǎng)絡(luò)的數(shù)據(jù)流量。一個有效的解決方案是在邊緣網(wǎng)絡(luò)中部署支持多種應(yīng)用服務(wù)的虛擬機(Virtual Machine, VM)為移動用戶提供各種近端服務(wù)[4]，依靠高帶寬和脫機可用性來緩解核心網(wǎng)絡(luò)的擁塞，同時通過滿足延遲和能耗等關(guān)鍵應(yīng)用需求進一步提高計算服務(wù)質(zhì)量。

VM是一個邏輯容器，可使用數(shù)據(jù)運行軟件實例。在MEC中使用VM技術(shù)，能使MEC服務(wù)器成為特定應(yīng)用的應(yīng)用服務(wù)器，即特定的應(yīng)用請求只能由部署有相關(guān)應(yīng)用VM的MEC服務(wù)器提供服務(wù)。目前，已有許多關(guān)于MEC中VM管理問題的研究。由于用戶的移動性，MEC系統(tǒng)需要在用戶位置隨時間變化時進行服務(wù)遷移，文獻[5]提出了一種代理VM遷移方案，采用基站與霧節(jié)點在本地提供計算資源的方式來為用戶提供服務(wù)。為了減少服務(wù)遷移過程中出現(xiàn)的性能下降問題，文獻[6]提出了一種自適應(yīng)VM切換方法來減少用戶移動時進行服務(wù)遷移需要傳輸?shù)臄?shù)據(jù)量。考慮到用戶多種服務(wù)需求，文獻[7]提出3種啟發(fā)式算法尋找VRC最優(yōu)部署位置來最小化平均請求響應(yīng)時間。此外，文獻[8]設(shè)計了一種VM容錯部署機制來針對可能出現(xiàn)的邊緣服務(wù)器故障問題。然而，很少有研究考慮邊緣網(wǎng)絡(luò)中關(guān)于數(shù)據(jù)流量的綠色通信問題。

盡管現(xiàn)有工作對MEC中邊緣網(wǎng)絡(luò)的資源配置問題提出了很多解決方案，但存在一個共同的局限性：沒有具體考慮用戶對多種應(yīng)用服務(wù)的需求。在邊緣網(wǎng)絡(luò)中提供多種應(yīng)用服務(wù)將面臨許多挑戰(zhàn)，如不同應(yīng)用對傳輸帶寬的需求差異會導(dǎo)致不同的平均鏈路時延，所需服務(wù)資源的多樣性會導(dǎo)致邊緣服務(wù)器不同的工作負載等。文獻[9]采用云邊資源協(xié)作的方式為用戶提供服務(wù)，提出一種云邊協(xié)同模式下的任務(wù)分配機制將應(yīng)用負載分配給合適的微云(Cloudlet)來最小化用戶響應(yīng)時延。文獻[10]通過圖分割的方式將實際的物理網(wǎng)絡(luò)抽象為一個完全圖，用服務(wù)器之間的通信時延表示邊緣網(wǎng)絡(luò)中的費用，提出一種數(shù)據(jù)訪問延遲最小化的虛擬機部署最優(yōu)近似算法。然而他們沒有考慮為用戶提供多種不同特性的應(yīng)用服務(wù)。文獻[11]設(shè)計了一種有效的任務(wù)調(diào)度和資源管理策略最小化任務(wù)完成時間，文中提到可以支持多種應(yīng)用類型，但是沒有明確指出支持的不同應(yīng)用之間的區(qū)別。多數(shù)工作在部署邊緣網(wǎng)絡(luò)中的資源提供服務(wù)時，沒有詳細考慮提供多種應(yīng)用的差異性[12]，而是集中于研究邊緣服務(wù)器和移動用戶之間的交互及協(xié)作[13,14]，他們簡單地假設(shè)所有移動用戶的資源需求是統(tǒng)一的[15]，而實際情況中，必須考慮不同應(yīng)用對資源的需求差異，這些將顯著影響最優(yōu)路由選擇和工作負載分配。

因此，本文以最小化移動邊緣網(wǎng)絡(luò)中云邊數(shù)據(jù)流量和最小化服務(wù)配置總成本為目標(biāo)，構(gòu)建了一種云邊協(xié)同的計算架構(gòu)，在此架構(gòu)基礎(chǔ)上對支持多種應(yīng)用服務(wù)的虛擬機部署問題進行研究，在邊緣服務(wù)器服務(wù)能力一定且提供多種應(yīng)用服務(wù)前提下，將問題形式化描述為資源約束下的最小化云邊數(shù)據(jù)流量和部署總成本的優(yōu)化問題。本文主要工作如下：

(1) 基于MEC架構(gòu)，本文首次研究了在提供多種應(yīng)用服務(wù)的邊緣網(wǎng)絡(luò)中，將每種應(yīng)用的k個VM部署到|S|個邊緣服務(wù)器上，以最小化邊緣網(wǎng)絡(luò)中的平均數(shù)據(jù)流量(Minimizing the Average Data Traffic, MADT)為目標(biāo)。

(2) 針對上述問題，本文首先從網(wǎng)絡(luò)拓撲結(jié)構(gòu)特性出發(fā)，計算每個邊緣服務(wù)器的中心性特征，根據(jù)定義的適應(yīng)度模型，提出了一種基于適應(yīng)度的啟發(fā)式部署算法(Fitness-based Heuristic Placement Algorithm, FHPA)。另外，從用戶對不同應(yīng)用服務(wù)需求差異化考慮，定義適應(yīng)度模型，通過子問題劃分策略，設(shè)計了一種基于分治的啟發(fā)式部署算法

(Divide-and-Conquer Based Heuristic Placement Algorithm, DCBHPA)。

(3) 仿真結(jié)果表明，相比于基準(zhǔn)算法和FHPA，DCBHPA能最大限度地減少數(shù)據(jù)流量，有效地緩解遠端云的流量壓力，減少潛在的核心網(wǎng)擁塞。同時，對邊緣網(wǎng)絡(luò)中提供服務(wù)的配置總成本問題進行了研究。

2 系統(tǒng)模型

2.1 移動邊緣計算架構(gòu)

基于MEC的系統(tǒng)框架如圖1所示，該框架由移動設(shè)備、MEC服務(wù)器組成的邊緣網(wǎng)絡(luò)和遠端云中心構(gòu)成，其中，邊緣網(wǎng)絡(luò)采用的是MEC服務(wù)器與基站共同部署在無線接入網(wǎng)內(nèi)的結(jié)構(gòu)。各種資源密集型和時間敏感型的移動應(yīng)用源服務(wù)器，例如a1,a2,a3，運行在遠端云計算中心，同時在邊緣端，邊緣服務(wù)器 M ECS1和M ECS3分別部署有應(yīng)用a1的 VM，可充當(dāng)應(yīng)用a1的應(yīng)用服務(wù)器(Application Server, AS)，為移動用戶提供特定的服務(wù)請求。

圖1 提供多種應(yīng)用服務(wù)的移動邊緣計算架構(gòu)

所有來自用戶的請求首先由本地邊緣服務(wù)器進行處理，每個邊緣服務(wù)器會根據(jù)當(dāng)前邊緣網(wǎng)絡(luò)的資源利用情況為服務(wù)請求做出最優(yōu)路由抉擇，確保其從邊緣網(wǎng)絡(luò)相應(yīng)AS或遠端云中心獲取服務(wù)。例如，M ECS2服 務(wù)范圍內(nèi)的移動用戶對應(yīng)用a1的請求將被路由到部署有應(yīng)用a1相 應(yīng)VM的M ECS1，由服務(wù)器M ECS1提供服務(wù)。同時對每個邊緣服務(wù)器的服務(wù)容量進行約束，當(dāng)網(wǎng)絡(luò)中AS的服務(wù)資源耗盡時，如 M ECS1和M ECS3全部過載，新接收的應(yīng)用a1的請求由云中心提供服務(wù)。

2.2 網(wǎng)絡(luò)模型

3 問題描述

3.1 平均數(shù)據(jù)流量最小化問題

移動用戶的服務(wù)請求在云邊協(xié)同的MEC架構(gòu)獲取服務(wù)產(chǎn)生的數(shù)據(jù)流量包括：(1)由邊緣網(wǎng)絡(luò)中的AS為移動設(shè)備提供服務(wù)的邊緣流量；(2)遠端云提供服務(wù)產(chǎn)生的云邊通信流量。將邊緣網(wǎng)絡(luò)中任意兩臺邊緣服務(wù)器間的最短路徑作為二者間的路由選擇，使用變量dv,u表示邊緣服務(wù)器v到u的最短路徑跳數(shù)，則MEC服務(wù)器v服務(wù)區(qū)域內(nèi)的用戶請求路由到MEC服務(wù)器u獲取對應(yīng)用a請求服務(wù)的數(shù)據(jù)流量定義為

3.2 應(yīng)用服務(wù)配置總成本問題

配置總成本由VM部署成本和請求服務(wù)的數(shù)據(jù)流量成本構(gòu)成。將相同應(yīng)用相應(yīng)VM間的狀態(tài)同步和部署VM到邊緣服務(wù)器的資源需求作為部署成本，定義為所有應(yīng)用種類數(shù)和支持每種應(yīng)用VM數(shù)的2次函數(shù)，即ε·k·|A|， 其中0＜ε ＜1。數(shù)據(jù)流量成本體現(xiàn)了邊緣網(wǎng)絡(luò)的擁堵情況，可由所取得的邊緣端流量De和 云端流量Dc的線性函數(shù)表示，分別為σ1·De和σ2·Dc，其中σ1,σ2＞0。對部署成本和數(shù)據(jù)流量成本經(jīng)過標(biāo)準(zhǔn)化函數(shù)f,N計算后，定義整個系統(tǒng)的服務(wù)配置總成本為

4 算法設(shè)計

4.1 基于適應(yīng)度的啟發(fā)式部署算法

為了解決MADT問題，本文提出一種基于適應(yīng)度的啟發(fā)式部署算法。對于應(yīng)用a，F(xiàn)HPA尋找k個適應(yīng)度最高的MEC服務(wù)器部署應(yīng)用虛擬機，其中每個MEC服務(wù)器的適應(yīng)度評價由4種網(wǎng)絡(luò)連接特征構(gòu)成，包括接近中心性(closeness centrality)、度中心性(degree dentrality)、中介中心性(betweenness centrality)和特征向量中心性(eigenvector centrality)，再根據(jù)熵權(quán)法對每個連接特征的權(quán)重進行計算。下面首先介紹上述連接特征的概念。

(1)度中心性。度中心性的基本思想是網(wǎng)絡(luò)中重要節(jié)點為與其他節(jié)點的連接邊數(shù)較多的節(jié)點。相應(yīng)地，MEC服務(wù)器s的度中心性為與他直接相連的MEC服務(wù)器個數(shù)，歸一化后服務(wù)器s的度中心性計算表達式為

對于應(yīng)用a∈A，基于每個MEC服務(wù)器的適應(yīng)度降序排序結(jié)果，選擇前k個服務(wù)器為應(yīng)用a的初始AS，分別分配到集合Xi,i=1,2,...,k，結(jié)合文獻[17]，設(shè)計一個聚類機制如表1，輪詢地將全部候選MEC服務(wù)器劃分到與其最近的初始AS所在集合Xi。對集合Xi中的每一個MEC服務(wù)器，將其作為該集合中應(yīng)用a的AS為集合中其他邊緣服務(wù)器服務(wù)范圍內(nèi)的應(yīng)用請求提供服務(wù)，并計算所產(chǎn)生的數(shù)據(jù)流量，最后選擇能最小化該集合中平均數(shù)據(jù)流量的MEC服務(wù)器，部署應(yīng)用VM。FHPA通過將MADT問題劃分為k個子問題，在每個子問題中尋找應(yīng)用服務(wù)a的一個VM最優(yōu)部署位置，然后通過整合子問題的最優(yōu)解求解原問題，F(xiàn)HPA詳情如表2所示。

表1 聚類過程

表2 基于適應(yīng)度的啟發(fā)式部署算法

4.2 基于分治的啟發(fā)式部署算法

由于應(yīng)用請求在本地MEC服務(wù)器進行處理將不會注入流量到邊緣網(wǎng)絡(luò)，因此，選擇覆蓋范圍內(nèi)應(yīng)用請求數(shù)較大的MEC服務(wù)器作為AS，可以減少產(chǎn)生到邊緣網(wǎng)絡(luò)的流量。然而，由于AS容量受限，這樣會導(dǎo)致該AS附近的邊緣服務(wù)器的應(yīng)用請求發(fā)送到云端的比例將上升，進而增加系統(tǒng)流量成本。因此，本節(jié)進一步提出一種基于分治的啟發(fā)式部署算法，與文獻[18]只考慮用戶請求密度不同，DCBHPA將當(dāng)前已配置應(yīng)用a相應(yīng)VM的邊緣服務(wù)器對網(wǎng)絡(luò)中其他將部署同應(yīng)用服務(wù)VM的候選MEC服務(wù)器的影響進行了考慮，從而避免應(yīng)用a的AS集中在網(wǎng)絡(luò)某一局部地區(qū)，提高服務(wù)資源的利用率。

變量Q表示已部署應(yīng)用a相應(yīng)VM的MEC服務(wù)器集，與當(dāng)前已部署的AS越遠，則候選MEC服務(wù)器所受影響越小，設(shè)當(dāng)前已部署的ASj對候選MEC服務(wù)器i ∈S的影響因子為θ·t(i,j)，其中0＜θ ＜1,t(i,j)為i和j歸一化后的距離。每個候選MEC服務(wù)器將受到當(dāng)前所有已部署AS的影響，影響因子為

在每次迭代中，DCBHPA選擇P值更高的MEC服務(wù)器作為初始AS，k次迭代更新后，選擇k個初始AS加入集合Xi,i=1,2,...,k進行初始化，之后的求解MADT過程同F(xiàn)HPA，DCBHPA詳情見表3。

表3 基于分治的啟發(fā)式部署算法

4.3 算法分析

FHPA是一個簡單有效的算法。它首先計算每個MEC服務(wù)器的連接特征。其中，每個MEC服務(wù)器的接近中心性表明它與邊緣網(wǎng)絡(luò)中其余MEC服務(wù)器的平均距離。度中心性越高，則該MEC服務(wù)器能在相同的距離內(nèi)與更多的MEC服務(wù)器相連，距離越短則服務(wù)請求產(chǎn)生的數(shù)據(jù)流量越小。因此具有更高度中心性的MEC服務(wù)器更適合部署應(yīng)用虛擬機。當(dāng)網(wǎng)絡(luò)中所有移動設(shè)備的應(yīng)用服務(wù)請求路由到相應(yīng)的應(yīng)用服務(wù)器時，通過每個MEC服務(wù)器的路徑個數(shù)能顯示該MEC服務(wù)器上需傳輸數(shù)據(jù)的到達速率，邊緣網(wǎng)絡(luò)中路由路徑數(shù)越多經(jīng)過該MEC服務(wù)器，表明該MEC服務(wù)器節(jié)點擁堵程度越高，則請求數(shù)據(jù)在該服務(wù)器節(jié)點的等待時間將很長，這一特性通過中介中心性表現(xiàn)出來。為了避免在網(wǎng)絡(luò)中影響程度較低的MEC服務(wù)器成為應(yīng)用服務(wù)器，將每個MEC服務(wù)器的特征向量中心性考慮進來。因此，基于歸一化的連接特征值，計算每個MEC服務(wù)器上的所有連接特征的權(quán)重之和，得出每個MEC服務(wù)器部署應(yīng)用虛擬機的適應(yīng)度。最后FHPA選擇適應(yīng)度最高的k個MEC服務(wù)器部署應(yīng)用虛擬機。

然而，F(xiàn)HPA也存在兩個缺點。第1個缺點是選擇虛擬機部署的MEC服務(wù)器時，沒有考慮用戶的請求數(shù)。來自用戶的服務(wù)請求由本地邊緣服務(wù)器處理將不會注入流量到邊緣網(wǎng)絡(luò)，從而選擇覆蓋范圍內(nèi)有大量應(yīng)用請求的MEC服務(wù)器部署應(yīng)用虛擬機，并將其作為AS可以減少網(wǎng)絡(luò)的流量負載。因此，邊緣服務(wù)器范圍內(nèi)移動用戶的服務(wù)請求數(shù)也是影響其部署應(yīng)用虛擬機成為AS的重要因素。然而，F(xiàn)HPA從網(wǎng)絡(luò)拓撲結(jié)構(gòu)的連接特征出發(fā)來確定應(yīng)用虛擬機部署位置，沒有利用移動用戶請求數(shù)來提升部署效益。第2個缺點是當(dāng)大量用戶集中在邊緣網(wǎng)絡(luò)同一局部地區(qū)時，F(xiàn)HPA容易造成部分AS過載。因此，本文從用戶請求角度出發(fā)進一步提出DCBHPA算法求解MADT問題。

DCBHPA考慮了當(dāng)前已部署應(yīng)用虛擬機的邊緣服務(wù)器對邊緣網(wǎng)絡(luò)中其余候選MEC服務(wù)器的影響因素。第1個是每個MEC服務(wù)器與當(dāng)前已部署虛擬機的MEC服務(wù)器間的平均距離，為了避免應(yīng)用服務(wù)器集中部署在邊緣網(wǎng)絡(luò)的某一局部地區(qū)，候選MEC服務(wù)器與當(dāng)前已部署應(yīng)用虛擬機的MEC服務(wù)器距離越遠越合適。第2個是在當(dāng)前已部署的應(yīng)用服務(wù)器提供服務(wù)的情況下，每個邊緣服務(wù)器接收的應(yīng)用請求數(shù)量。為了減少邊緣網(wǎng)絡(luò)中的平均數(shù)據(jù)流量，接收應(yīng)用請求數(shù)量更多的MEC服務(wù)器更適合部署應(yīng)用虛擬機作為下一個AS。DCBHPA在每次迭代中選擇適應(yīng)度最高的MEC服務(wù)器來部署應(yīng)用虛擬機，對于應(yīng)用a∈A， 在k次迭代后，獲得k個最適合部署關(guān)于應(yīng)用a相應(yīng)虛擬機的邊緣服務(wù)器。因此，DCBHPA在共經(jīng)過k·|A|次迭代后，完成所有應(yīng)用的虛擬機部署。

5 仿真分析

本文利用Python工具完成了仿真實驗。不失一般性，從Topology Zoo獲得真實的在線網(wǎng)絡(luò)拓撲用于VM部署實驗[19]，網(wǎng)絡(luò)拓撲圖結(jié)構(gòu)如表4所示。不同應(yīng)用服務(wù)的網(wǎng)絡(luò)帶寬需求設(shè)置為[800 kB,1600 kB]，并假定分布在整個邊緣網(wǎng)絡(luò)的移動用戶數(shù)在500～3000。默認設(shè)置3種應(yīng)用以及每種應(yīng)用部署4個VM和noel通信網(wǎng)絡(luò)進行實驗。同時，選擇文獻[20]中的RPA算法和文獻[21]中的DBC算法進行性能比較。

表4 網(wǎng)絡(luò)拓撲表

5.1 網(wǎng)絡(luò)數(shù)據(jù)流量

如圖2所示，各算法產(chǎn)生的平均數(shù)據(jù)流量隨著支持每種應(yīng)用的VM數(shù)增加而單調(diào)減少。這是因為隨著邊緣網(wǎng)絡(luò)中支持同一應(yīng)用服務(wù)的VM數(shù)增多，即該應(yīng)用的AS數(shù)量增加，可以在本地進行更多的請求處理，從而減少注入到邊緣網(wǎng)絡(luò)中的數(shù)據(jù)流量。同時，配置更多的VM可以減少邊緣網(wǎng)絡(luò)中移動用戶與請求的目的AS之間的平均距離，導(dǎo)致邊緣網(wǎng)絡(luò)更小的數(shù)據(jù)流量產(chǎn)生。從圖2可以發(fā)現(xiàn)，DCBHPA在最小化平均數(shù)據(jù)流量方面相比其他算法可以獲得最優(yōu)性能，F(xiàn)HPA性能表現(xiàn)要優(yōu)于DBC，且二者都優(yōu)于RPA。

圖2 不同VM數(shù)對數(shù)據(jù)流量的影響

從圖3可以清楚地發(fā)現(xiàn)，在相同數(shù)量的移動用戶情況下，與FHPA, DBC和RPA相比，DCBHPA總是可以獲得最小的平均數(shù)據(jù)流量。此外，在移動用戶數(shù)較小的情況下，各算法性能差異較小，隨著用戶數(shù)不斷增加，所有4種算法提供服務(wù)產(chǎn)生的平均數(shù)據(jù)流量都會增加，其中RPA數(shù)據(jù)流量增加最為明顯。當(dāng)移動用戶數(shù)為3000時，DCBHPA相比RPA可以減少25.8%的流量生成，反映了DCBHPA在大規(guī)模移動邊緣網(wǎng)絡(luò)中為移動用戶提供多種應(yīng)用服務(wù)進行VM配置的優(yōu)勢。

圖3 移動用戶數(shù)對數(shù)據(jù)流量的影響

圖4為不同網(wǎng)絡(luò)拓撲下FHPA, DCBHPA,DBC和RPA在邊緣網(wǎng)絡(luò)中最小化請求數(shù)據(jù)流量方面的性能比較結(jié)果，可以看到4種算法提出的服務(wù)配置方案產(chǎn)生的數(shù)據(jù)流量會隨著網(wǎng)絡(luò)規(guī)模的擴大而上升。在同一網(wǎng)絡(luò)下，DCBHPA在減小平均數(shù)據(jù)流量方面能獲得最佳性能表現(xiàn)。同時，圖5進一步比較了FHPA, DCBHPA, DBC和RPA在應(yīng)用服務(wù)類型不斷增多情況下的性能。實驗結(jié)果表明，DCBHPA要優(yōu)于其他3種算法。與此同時，隨著不同應(yīng)用種類的增加，各算法進行VM配置提供服務(wù)所產(chǎn)生的數(shù)據(jù)流量都會增長，且DCBHPA與FHPA, DBC和RPA的性能差異也更加明顯。此外，F(xiàn)HPA和DBC的性能表現(xiàn)基本相近，且二者都要優(yōu)于RPA。

圖4 網(wǎng)絡(luò)規(guī)模對數(shù)據(jù)流量的影響

圖5 應(yīng)用服務(wù)種類數(shù)對數(shù)據(jù)流量的影響

接著，在支持每種應(yīng)用服務(wù)的VM數(shù)量不同且應(yīng)用服務(wù)種數(shù)不斷增加的前提下，進一步分析了DCBHPA的性能表現(xiàn)。仿真結(jié)果如圖6所示，當(dāng)應(yīng)用服務(wù)數(shù)量增加時，對于支持各應(yīng)用服務(wù)的每組VM設(shè)置，DCBHPA獲得的平均數(shù)據(jù)流量呈指數(shù)增加。這是因為更多的應(yīng)用服務(wù)種類意味著邊緣網(wǎng)絡(luò)中將有更多的應(yīng)用請求需要提供服務(wù)，而這將導(dǎo)致AS可用服務(wù)資源的短缺，進而增加系統(tǒng)的數(shù)據(jù)流量產(chǎn)生。同時，更多的服務(wù)請求將發(fā)送到云端獲得服務(wù)從而增加流量成本。從圖6可以看出，當(dāng)應(yīng)用服務(wù)種類一定時，隨著支持每種應(yīng)用服務(wù)的VM增加，系統(tǒng)的平均數(shù)據(jù)流量將越少，這與圖2的實驗結(jié)果相符。

圖6 不同應(yīng)用服務(wù)下VM部署取得的數(shù)據(jù)流量

5.2 服務(wù)配置總成本

一個好的部署方案不僅要保證較低的平均數(shù)據(jù)流量，而且要考慮邊緣網(wǎng)絡(luò)中提供服務(wù)配置的成本因素，因此，我們進一步分析了DCBHPA提供服務(wù)時的總成本。如圖7所示，同一應(yīng)用提供更多的VM部署到邊緣網(wǎng)絡(luò)將減少流量成本，同時增加部署成本。通過將歸一化后的流量成本和部署成本相加，可以得到服務(wù)提供總成本。從圖中可以發(fā)現(xiàn)，當(dāng)VM部署數(shù)量不超過3時，總成本隨著VM配置數(shù)量的增加而下降，這是因為當(dāng)VM的數(shù)量很小時，主導(dǎo)服務(wù)配置總成本的是數(shù)據(jù)流量成本，如圖2所述，因此總成本將隨著支持每種應(yīng)用服務(wù)的VM數(shù)量的增加而減少。當(dāng)部署VM的數(shù)量繼續(xù)增加時，VM的配置成本就會逐漸占據(jù)服務(wù)配置總成本的主導(dǎo)地位，導(dǎo)致當(dāng)支持每種應(yīng)用服務(wù)的VM數(shù)量超過3時，DCBHPA提供服務(wù)配置的總成本會隨著VM數(shù)的增加而增長。

圖7 不同VM數(shù)對歸一化服務(wù)配置總成本的影響

如圖8所示，在應(yīng)用服務(wù)種類不斷增加且支持每種應(yīng)用服務(wù)的VM數(shù)為4的情況下，對4種算法在應(yīng)用服務(wù)部署成本方面的性能進行了比較。圖8表明，在最小化部署總成本方面，DCBHPA可以獲得最佳性能表現(xiàn)，且FHPA要優(yōu)于DBC，同時二者都要強于RPA。根據(jù)定義，VM部署成本為支持每種應(yīng)用的VM數(shù)和不同應(yīng)用種類數(shù)的2次函數(shù)，因此部署成本將會隨著應(yīng)用數(shù)的增加而上升。圖5表明所有算法產(chǎn)生的數(shù)據(jù)流量會隨著應(yīng)用種類數(shù)的擴展而顯著增加，因此數(shù)據(jù)流量成本將隨著算法產(chǎn)生的數(shù)據(jù)流量增加而線性增長，所以服務(wù)配置總成本將隨著應(yīng)用種類數(shù)的增加而上升，這與圖8的結(jié)果一致。

圖8 應(yīng)用服務(wù)種類數(shù)對歸一化服務(wù)配置總成本的影響

6 結(jié)束語

本文研究了移動邊緣網(wǎng)絡(luò)中支持多種應(yīng)用服務(wù)的VM部署問題，在提供多種應(yīng)用服務(wù)請求和MEC服務(wù)器處理能力受限約束下，為了最小化移動邊緣網(wǎng)絡(luò)中的平均數(shù)據(jù)流量這一目標(biāo)，提出了兩種啟發(fā)式的部署算法，并利用廣泛的仿真實驗來評估所提算法的性能。實驗結(jié)果表明，DCBHPA算法性能在最大限度地減少平均數(shù)據(jù)流量方面，要優(yōu)于FHPA算法和基準(zhǔn)算法，能有效減少云邊通信流量，緩解潛在的網(wǎng)絡(luò)堵塞問題。未來工作中，將進一步深入研究多應(yīng)用服務(wù)下不同VM部署方案對用戶所需服務(wù)的平均請求響應(yīng)時間的影響規(guī)律。